王 永，万潇逸，陶娅芝，张 璞

(1.重庆邮电大学 经济管理学院，重庆 400065；2.重庆邮电大学 计算机学院，重庆 400065)

基于K-medoids项目聚类的协同过滤推荐算法

王 永1，万潇逸1，陶娅芝1，张 璞2

(1.重庆邮电大学 经济管理学院，重庆 400065；2.重庆邮电大学 计算机学院，重庆 400065)

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算，存在效率不高的问题，提出一种基于K-medoids项目聚类的协同过滤推荐算法。该算法根据项目的类别属性对项目进行聚类，构建用户的偏好领域，使用用户偏好领域内的评分矩阵进行用户间相似度的计算，得到目标用户的最近邻居集，并生成推荐结果。与常用的K-means聚类方法相比，采用K-medoids方法对项目类别属性进行聚类，不仅克服了评分聚类可靠性不高的问题，而且算法还具有更好的鲁棒性。实验结果表明，该算法能有效提高推荐质量。

协同过滤；K-medoids聚类；用户偏好；推荐算法

0 引 言

在互联网技术的普及与推动下，网络资源呈现出爆炸增长的态势，人们逐步进入了大数据时代。尤其在电子商务领域，当用户面对海量商品时，往往难以做出准确的判断。如何在海量的商品中快速准确地挑选出用户需求的产品并智能地推荐给目标用户，成为电子商务企业亟待解决的问题。为此，个性化推荐系统[1]被引入到了该领域中。目前，国内外几乎所有的大型电子商务平台都采用了自动化的推荐系统来服务用户。

推荐算法作为推荐系统中最为核心的部分，关系着整个推荐系统性能的好坏。……